面向噪声环境的端到端方向感知关键词检测：融合空间先验
音频与语音处理
2026-03-11 v1
摘要
关键词检测（KWS）是许多语音驱动应用的关键任务，但在噪声环境中实现稳健的 KWS 仍具有挑战性。传统系统通常依赖单通道输入和将前端增强与 KWS 分离的级联管道，这本质上限制了性能。我们提出一种端到端多通道 KWS 框架，利用空间线索提高噪声鲁棒性。空间编码器学习通间特征，空间嵌入注入方向性先验；融合后的表征由流式主干网络处理。实验在多个信噪比（SNR）的仿真噪声环境中表明，空间建模和方向性先验各自均显著优于基线，其组合获得最佳效果。这些发现表明，端到端的多通道空间建模在复杂声学场景中具有强大的潜力，尤其适用于目标说话人感知检测。
引用
@article{arxiv.2603.09505,
title = {End-to-End Direction-Aware Keyword Spotting with Spatial Priors in Noisy Environments},
author = {Rui Wang and Zhifei Zhang and Yu Gao and Xiaofeng Mou and Yi Xu},
journal= {arXiv preprint arXiv:2603.09505},
year = {2026}
}
备注
Submitted for review to Interspeech 2026